深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
181	2025-05-04	Automated Deep Learning-Based Detection and Segmentation of Lung Tumors at CT 2025-Jan, Radiology IF:12.1Q1 DOI:10.1148/radiol.233029 PMID:39835976	研究论文	开发并评估了一种基于深度学习的集成模型，用于自动化识别和分割CT扫描中的肺部肿瘤	采用3D U-Net集成方法，平衡体积上下文与分辨率，实现稳健的肿瘤检测和分割性能，并能够泛化到外部站点	研究为回顾性研究，可能受到数据选择和标注偏差的影响	自动化肺部肿瘤的检测和分割，以辅助癌症进展监测、治疗反应评估和放射治疗计划	CT扫描中的肺部肿瘤	数字病理	肺癌	CT扫描	3D U-Net	图像	1,504例CT扫描用于训练，150例CT扫描用于测试
182	2025-05-04	Deep Learning-Enabled Assessment of Right Ventricular Function Improves Prognostication After Transcatheter Edge-to-Edge Repair for Mitral Regurgitation 2025-Jan, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.124.017005 PMID:39836730	研究论文	本研究探讨了深度学习预测的右心室射血分数（RVEF）在严重二尖瓣反流（MR）患者经导管边缘对边缘修复（TEER）后的预后价值	利用深度学习模型从标准的二维超声心动图视频中预测RVEF，提高了对TEER后患者预后的评估准确性	研究仅基于二维超声心动图视频，未与其他影像学方法进行更广泛的比较	评估深度学习预测的RVEF在严重MR患者TEER后的预后价值	严重二尖瓣反流（MR）患者	数字病理学	心血管疾病	深度学习模型	深度学习	视频	1154名患者
183	2025-05-04	Automating egg damage detection for improved quality control in the food industry using deep learning 2025-Jan, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.17553 PMID:39838604	研究论文	本研究利用深度学习算法自动识别鸡蛋的裂纹和表面损伤，以提高食品行业中的鸡蛋质量控制	采用四种不同的CNN模型（GoogLeNet、VGG-19、MobileNet-v2和ResNet-50）进行鸡蛋损伤检测，其中GoogLeNet达到了最高的分类准确率（98.73%）	研究仅使用了794张鸡蛋图像，样本量相对较小，可能影响模型的泛化能力	通过自动识别鸡蛋的物理损伤（如裂纹、断裂或其他表面缺陷）来提高食品行业中的鸡蛋质量控制	鸡蛋（包括受损和完好的鸡蛋）	计算机视觉	NA	深度学习	CNN（包括GoogLeNet、VGG-19、MobileNet-v2和ResNet-50）	图像	794张鸡蛋图像（分为受损和完好两类）
184	2025-05-04	Deep Learning-assisted Diagnosis of Extrahepatic Common Bile Duct Obstruction Using MRCP Imaging and Clinical Parameters 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056363648241215145959 PMID:39838679	研究论文	开发了一种结合MRCP影像和临床参数的深度学习分类模型，以提高肝外胆总管梗阻（EHBDO）的诊断准确性	提出了一种多模态深度学习融合模型，整合了MRCP影像特征和临床参数，并应用加权损失函数处理不同特征的重要性差异	样本量有限，仅143名患者有MRCP影像数据	提高肝外胆总管梗阻（EHBDO）的诊断准确性	465名患者（其中143名有MRCP影像）	数字病理	肝外胆总管梗阻	MRCP成像	多模态深度学习融合模型	影像和临床数据	465名患者（143名有MRCP影像）
185	2025-05-04	Citrus diseases detection using innovative deep learning approach and Hybrid Meta-Heuristic 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0316081 PMID:39841644	研究论文	本文提出了一种基于深度学习和混合元启发式方法的柑橘病害检测系统	结合数据增强和迁移学习技术，使用预训练模型DenseNet-201和AlexNet，实现了99.6%的高分类准确率	未提及模型在其他作物病害检测上的泛化能力	开发自动化柑橘病害分类系统以提高诊断准确性、效率和成本效益	柑橘叶片病害（溃疡病、疮痂病、黑斑病）	计算机视觉	植物病害	深度学习、混合元启发式方法	DenseNet-201, AlexNet	图像	未明确说明样本数量（柑橘叶片数据集）
186	2025-05-04	Automated extracellular volume fraction measurement for diagnosis and prognostication in patients with light-chain cardiac amyloidosis 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317741 PMID:39841643	研究论文	本研究评估了基于AI自动分割的T1 mapping参数在诊断心脏淀粉样变性和预测轻链型心脏淀粉样变性（AL-CA）患者预后中的表现	利用AI自动分割技术改进T1 mapping参数，提高了心脏淀粉样变性的诊断准确性，并提供了AL-CA患者的预后价值	样本量较小（50例CA患者），且未涵盖所有类型的心脏淀粉样变性	评估AI自动分割的T1 mapping参数在心脏淀粉样变性诊断和预后中的价值	300例因左心室肥厚（LVH）接受心脏磁共振（CMR）检查的患者，其中50例确诊为心脏淀粉样变性	数字病理	心脏淀粉样变性	心脏磁共振成像（CMR）、T1 mapping	深度学习算法（Myomics-Q）	医学影像	300例患者（50例心脏淀粉样变性，198例肥厚型心肌病，47例高血压性心脏病，5例Fabry病）
187	2025-05-04	Optimizing multi label student performance prediction with GNN-TINet: A contextual multidimensional deep learning framework 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314823 PMID:39841673	research paper	提出了一种名为GNN-TINet的深度学习框架，用于优化多标签学生成绩预测	结合了InceptionNet、transformer架构和图神经网络（GNN），以提升多标签学生成绩预测的精确度	未提及具体局限性	提高学生成绩预测的准确性，以实施及时有效的教育干预	学生成绩数据，包括学生人口统计、学术行为和情感健康等多维特征	machine learning	NA	Contextual Frequency Encoding (CFI), Contextual Adaptive Imputation (CAI)	GNN-Transformer-InceptionNet (GNN-TINet)	tabular data	97,000 occurrences
188	2025-05-04	SpaGraphCCI: Spatial cell-cell communication inference through GAT-based co-convolutional feature integration 2025 Jan-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.70000 PMID:39846423	研究论文	提出了一种名为SpaGraphCCI的深度学习方法，通过共卷积特征整合来有效推断空间细胞间相互作用	SpaGraphCCI通过将基因表达和图像特征投影到低维空间，有效整合了空间多模态数据，显著提高了空间细胞间通信的推断性能	NA	开发一种能够有效整合空间多模态数据以推断细胞间相互作用的方法	空间转录组数据中的细胞间相互作用	数字病理学	乳腺癌	空间转录组技术	GAT-based co-convolutional	基因表达数据和图像数据	多个平台的数据集，包括单细胞分辨率数据集和点分辨率数据集
189	2025-05-04	The tumour histopathology "glossary" for AI developers 2025-Jan, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012708 PMID:39847582	研究论文	本文旨在为AI开发者提供基本的组织病理学概念，以支持他们在癌症研究中的应用	通过介绍关键细胞类型和组织病理学技术，填补AI开发者在组织病理学知识上的空白	未提及具体的AI算法开发或验证结果	加速AI算法在癌症研究中的开发	组织病理学图像中的关键细胞类型和肿瘤微环境	数字病理学	癌症	HE染色、免疫组织化学染色、多重抗体染色	NA	图像	NA
190	2025-05-04	Evaluating Machine Learning and Deep Learning models for predicting Wind Turbine power output from environmental factors 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0317619 PMID:39847588	research paper	该研究对机器学习和深度学习模型在基于环境变量预测风力涡轮机功率输出方面进行了全面的比较分析	直接比较了多种机器学习和深度学习算法，并突出了先进计算方法在可再生能源优化中的潜力	NA	评估机器学习和深度学习模型在风力涡轮机功率输出预测中的性能	风力涡轮机的功率输出	machine learning	NA	NA	ANN, LSTM, RNN, CNN, LR, SVR, RF, ET, AdaBoost, CatBoost, XGBoost, LightGBM	environmental variables (temperature, humidity, wind speed, wind direction)	40,000 observations
191	2025-05-04	Construction of a Multi-View Deep Learning Model for the Severity Classification of Acute Pancreatitis 2025-Jan, Discovery medicine IF:2.0Q3 DOI:10.24976/Discov.Med.202537192.7 PMID:39851225	research paper	该研究构建了一个多视角深度学习模型，用于急性胰腺炎（AP）的严重程度分类	结合患者的临床数据和CT影像数据，构建多视角深度学习模型，相比传统单视角评分系统提高了预测准确性	模型对中度严重急性胰腺炎的预测准确率相对较低（64.90%）	开发更准确的急性胰腺炎严重程度预测方法，以辅助临床干预决策	新入院的急性胰腺炎患者	digital pathology	acute pancreatitis	deep learning	DNN, CNN	clinical data, CT images	NA
192	2025-05-04	Maize quality detection based on MConv-SwinT high-precision model 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312363 PMID:39854315	研究论文	本研究提出了一种基于MConv-SwinT高精度模型的玉米质量检测方法，结合机器视觉和深度学习技术，显著提高了检测准确率	采用Swin Transformer作为基础模型，结合专门设计的卷积块和注意力层，实现了浅层和深层特征的融合与加权，显著提升了分类性能	未提及模型在不同光照条件或不同品种玉米上的泛化能力	提高玉米质量检测的准确性和效率，推动智慧农业发展	高质量、发霉和破碎的玉米图像	计算机视觉	NA	机器视觉，深度学习	MC-Swin Transformer（改进的Swin Transformer模型）	图像	20,152张有效玉米图像
193	2025-05-04	Pedestrian POSE estimation using multi-branched deep learning pose net 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0312177 PMID:39854382	研究论文	本文提出了一种基于深度学习的多分支姿态网络（MBDLP-Net），用于行人全身姿态估计和方向识别	提出了一种新的多分支深度学习姿态网络（MBDLP-Net），并在多个数据集上验证了其在行人姿态估计中的高效性	未提及具体局限性	通过计算机视觉工具自动分析行人行为和意图	行人的全身姿态和方向	计算机视觉	NA	深度学习	MBDLP-Net	图像	三个独立数据集（BDBO、PKU-Reid和TUD Multiview Pedestrians）以及CIFAR-100数据集
194	2025-05-04	Correction: Pedestrian POSE estimation using multi-branched deep learning pose net 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0321410 PMID:40168295	correction	对先前发表的关于使用多分支深度学习姿势网络进行行人姿势估计的文章进行更正	NA	NA	NA	NA	computer vision	NA	NA	NA	NA	NA
195	2025-05-04	Unmanned aerial vehicle based multi-person detection via deep neural network models 2025, Frontiers in neurorobotics IF:2.6Q3 DOI:10.3389/fnbot.2025.1582995 PMID:40313416	research paper	该研究开发了一种基于深度学习的系统，用于从无人机拍摄的视频中识别多人行为	通过整合不同特征和神经网络模型，提高了识别准确率并保持了鲁棒性，同时具备动态环境适应能力	未提及具体局限性	提升无人机拍摄视频中多人行为识别的准确性和鲁棒性	无人机拍摄的多人行为视频	computer vision	NA	deep learning, feature extraction	deep neural network	video	MOD20和Okutama-Action数据集
196	2025-05-04	Advanced hybrid deep learning model for enhanced evaluation of osteosarcoma histopathology images 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1555907 PMID:40313555	研究论文	提出了一种结合CNN和ViT的混合深度学习模型，用于提高骨肉瘤组织病理学图像的诊断准确性	首次成功使用TCIA数据集进行四分类（非肿瘤、非存活肿瘤、存活肿瘤和非存活比率），并在骨肉瘤研究中设定了新的基准	未提及模型在其他数据集上的泛化能力或临床实际应用的验证	提高骨肉瘤的早期和准确检测，以改善患者预后并降低死亡率	骨肉瘤（OS）的组织病理学图像	数字病理学	骨肉瘤	H&E染色组织病理学图像分析	CNN和ViT混合模型	图像	使用Cancer Imaging Archive (TCIA)数据集，具体样本数量未提及
197	2025-05-04	Research advancements in the Use of artificial intelligence for prenatal diagnosis of neural tube defects 2025, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2025.1514447 PMID:40313675	review	本文综述了人工智能在产前神经管缺陷诊断中的应用及其进展	展示了AI技术在产前超声影像中早期检测、预测和评估神经管缺陷的高效性，包括CNN和SVM等技术的应用，以及AI与基因组分析的结合	未提及具体研究中可能存在的样本偏差或技术局限性	探讨AI在产前神经管缺陷诊断中的应用及其效果	产前超声影像、遗传数据和孕产妇健康记录	digital pathology	neural tube defects	prenatal ultrasound imaging, genomic analysis	CNN, SVM, Oct-U-Net, PAICS, logistic regression	image, genetic data, health records	NA
198	2025-05-04	Decentralized EEG-based detection of major depressive disorder via transformer architectures and split learning 2025, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2025.1569828 PMID:40313734	研究论文	该研究通过结合机器学习、深度学习和分割学习的方法，利用EEG信号对重度抑郁症（MDD）患者和健康个体进行分类	采用分割学习框架解决数据隐私和计算资源问题，结合Transformer和随机森林模型实现高精度分类	研究仅在三台客户端上实施分割学习框架，可能限制了模型的泛化能力	开发一种可靠、自动化的重度抑郁症检测方法	重度抑郁症患者和健康个体的EEG信号	机器学习	重度抑郁症	EEG信号分析	Transformer, Random Forest, Support Vector Machine, Gradient Boosting, Autoencoders	EEG信号	NA
199	2025-05-04	Primer on machine learning applications in brain immunology 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1554010 PMID:40313869	综述	本文回顾了单细胞和空间技术在脑免疫学中的应用，以及机器学习方法在数据分析中的进展	探讨了机器学习特别是深度学习方法如自编码器和图神经网络在单细胞组学数据分析中的新应用	主要面向湿实验室生物学家，可能缺乏对计算方法的深入技术细节	总结单细胞组学在脑免疫学研究中的最新进展及其与人工智能的结合	脑免疫学中的单细胞和空间组学数据	机器学习	脑恶性肿瘤和神经退行性疾病	单细胞组学和空间组学技术	自编码器、图神经网络	单细胞和空间组学数据	NA
200	2025-05-04	Radiomics-driven neuro-fuzzy framework for rule generation to enhance explainability in MRI-based brain tumor segmentation 2025, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2025.1550432 PMID:40313917	研究论文	提出了一种结合3D U-Net和放射组学特征的混合AI框架，用于MRI脑肿瘤分割并生成可解释的决策规则	将深度学习模型与自适应神经模糊推理系统(ANFIS)相结合，提高了模型的可解释性	实验仅限于小规模的高影响力放射组学特征集	提高MRI脑肿瘤分割的可解释性以促进临床应用	脑肿瘤MRI图像	数字病理学	脑肿瘤	MRI, 放射组学特征提取	3D U-Net, ANFIS	MRI图像	BraTS2020数据集